Метод підвищення ефективності автоматизованого аналізу pq-даних показників якості електроенергії
Open Access
- 20 June 2026
- journal article
- Published by Scientific Publishing Center InterConf in InterConf
- No. 70(299),p. 211-229
Abstract
Запропоновано метод підвищення ефективності автоматизованого аналізу PQ-даних показників якості електроенергії, який заснований на основі глибинного навчання без вчителя. Метод складається із сукупності удосконаленого методу глибинного автоенкодера з кластеризацією ознак та розробленого методу глибокого виявлення аномалій у PQ-даних (power quality) якості електроенергії. Дані методи працюють у складі єдиного аналітичного конвеєра, який пов’язує моделювання типової «норми» з моніторингом відхилень якості електроенергії. Метод поєднує автоматизоване виявлення типових та аномальних режимів у енергетичних системах.Keywords
This publication has 12 references indexed in Scilit:
- Proceedings of 16-th International Scientific and Technical Conference « Current Directions in the Development of Information and Communication Technologies and Control Tools »2026
- Power quality disturbance identification using hybrid deep learning in renewable energy systemsScientific Reports, 2025
- Enhancing anomaly detection in distributed power systems using autoencoder-based federated learningPLOS ONE, 2023
- Explainable Artificial Intelligence (XAI) techniques for energy and power systems: Review, challenges and opportunitiesEnergy and AI, 2022
- "Why Should I Trust You?"2016
- A critical review of detection and classification of power quality eventsRenewable and Sustainable Energy Reviews, 2015
- A review of novelty detectionSignal Processing, 2014
- A survey on concept drift adaptationACM Computing Surveys, 2014
- Data clustering: 50 years beyond K-meansPattern Recognition Letters, 2010
- Silhouettes: A graphical aid to the interpretation and validation of cluster analysisJournal of Computational and Applied Mathematics, 1987